Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

OpenClassrooms

Entraînez un modèle prédictif linéaire

CentraleSupélec via OpenClassrooms

Overview

Vous avez découvert le concept d’apprentissage supervisé dans le cours Initiez-vous au machine learning. Dans ce cours, vous avez appris à évaluer un modèle de classification ou de régression…

Il est maintenant temps de découvrir les algorithmes classiques du machine learning supervisé. Dans ce cours, vous apprendrez à maîtriser les algorithmes dont la fonction de décision est une combinaison linéaire des variables.

Vous découvrirez en particulier la régression linéaire et la régression logistique. Vous apprendrez à contrôler les poids affectés à chacune des variables pour éviter le sur-apprentissage ou construire des modèles parcimonieux. Vous comprendrez le fonctionnement des machines à vecteurs de support (SVM). Enfin, vous saurez résoudre des problèmes de classification à plus de deux classes.

Suivez ce cours pour développer des modèles linéaires prédictifs sur vos données !

Prérequis :

Ce cours de Data Science se situe au croisement des mathématiques et de l'informatique. Pour en profiter pleinement, n'hésitez pas à vous rafraîchir la mémoire, avant ou pendant le cours, sur :

  • Python pour le calcul numérique que nous utiliserons dans la partie TP du cours (librairie numpy et création de graphes avec pyplot),
  • Quelques notions d'algèbre linéaire, telles que manipulation de vecteurs, multiplications de matrices, normes,
  • Quelques notions de probabilités et statistiques, telles que distribution de loi de probabilité et variance.

Syllabus

Part #1 - Prédisez des étiquettes quantitatives à l’aide d’une combinaison linéaire des variables
1. Trouvez une combinaison linéaire de variables qui approxime leurs étiquettes
2. Contrôlez la complexité de votre modèle
3. Réduisez l’amplitude des poids affectés à vos variables
4. Réduisez le nombre de variables utilisées par votre modèle
5. TP - Comparez le comportement du lasso et de la régression ridge
Quiz: Partie 1

Part #2 - Séparez linéairement vos observations
1. Prédisez linéairement la probabilité de l’appartenance d’un point à une classe
2. Maximisez la marge de séparation entre vos classes
3. Classifiez vos données en plus de deux classes
4. TP - Entraînez une régression logistique et une SVM linéaire
Activity: Classez automatiquement des feuilles d’arbres

Taught by

Chloé-Agathe Azencott and Yannis Chaouche

Reviews

Start your review of Entraînez un modèle prédictif linéaire

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.